Mistral AI: l’open-source europea

Hai mai sentito di parlare di Mistral AI? Si tratta di una startup parigina classe 2023, fondata da tre ex ricercatori di DeepMind e di Meta AI. Oggi te ne parliamo perché, in appena due anni, Mensch, Lample e Lacroix hanno raccolto oltre 500 milioni di euro in finanziamenti e portato Mistral AI a una valutazione di 6 miliardi di dollari.

Il succo è che molti investitori pensano valga la pena mettere soldi in una startup che propone modelli open source più economici dei giganti e comunque performanti.

Ti ricordano qualcosa la cinese DeepSeek e l’italiana Vitruvian (che non è aperta ma è economica)?

Tutto il mondo ormai si è reso conto che l’intelligenza artificiale può essere più accessibile, democratica, personalizzabile, economica. Ma soprattutto più sostenibile.

Se i modelli consumano troppo, o si ritorna al carbone come Trump o si agisce di astuzia puntando all’efficienza energetica. E i francesi di Mistral AI, con la loro entrata nel mercato delle IA, si pongono come un polo continentale che contribuisce a rendere l’Europa indipendente tecnologicamente dagli USA e dalla Cina.

Perché Mistral è open-source?

Perché questa startup “regala” i suoi modelli al mondo con licenza Apache 2.0? Non si tratta di puro altruismo o di una crociata ideologica: è una mossa strategica.

IL CEO Arthur Mensch – in un’intervista al World Economic Forum 2025 ha dichiarato:

“L’open-source accelera l’innovazione e dà all’Europa una chanche di non restare indietro rispetto a USA e Cina”.

Offrire modelli open-source crea un ecosistema dove tutti contribuiscono. Da questo – come dicevamo prima – risultano modelli più veloci, meno costosi, meno energivori. Ci teniamo sempre le giuste riserve riguardo le minacce per la sicurezza informatica e gli utilizzi impropri dei dati personali che possono avvenire in un sistema più libero e decentralizzato.

Ma la posta in gioco è un progresso collettivo, che si può tradurre in ricchezza, dato che il risparmio è guadagno e che tocca fare i conti con la sostenibilità energetica se si vuole andare avanti.

I modelli opensource di Mistral AI

Mistral Small 3.1

Uscito a Marzo 2025, ha 24 miliardi di parametri e (secondo il blog ufficiale della startup francese) batte GPT-4o Mini su MMLU e HumanEval: due benchmark usati per valutare le prestazioni delle AI.

Ma il suo punto forte è la leggerezza.

Gira su una singola CPU RTX 4090 o persino su un Mac con 32 GB di RAM. È un sogno per gli sviluppatori e per le piccole medie imprese che non vogliono dipendere da server costosi.

Questo modello è disponibile u Hugging Face e supporta input multimodali come immagini per verificare documenti o fare controlli qualità.

Mistral Medium 3

Annunciato il 7 Maggio, questo modello punta alle imprese suggerendo: “fai tanto con poco”.

A cosa porta questo suggerimento? In sostanza costa solo 0,40 dollari per milione di token in input e 2 dollari in output. Insomma: costa 8 volte meno di Claude Sonnet 3.7 di Anthropic, pur raggiungendo il 90% delle sue prestazioni.

Ciò si traduce in agili utilizzi aziendali per la gestione del workflow, per automatizzare analisi dati e per gestire l’assistenza clienti.

Qualche confronto con altre AI

LLaMa (Meta AI)

Mistral e Meta si sfidano sull’open source con approcci e obiettivi diversi:

• Mistral è gratis anche per utilizzi commerciali, LLaMa no.
• LLaMa è più adatto alla ricerca, Mistral per il lavoro.
• Mistral Small 3.1 batte LLaMa 3.1 8B nei benchmark MMLU e HumanEval.
• Funziona con meno energia. Small 3.1 ha bisogno di circa 450 W, mentre LLama 3.1 8B richiede più di 1000 W,

OpenAI

OpenAI e Mistral sono su due pianeti diversi:

• Mistral Small 3.1 è gratis; Medium 3: 0,40 dollari per milione di token. GPT-4o: da 0,00015 dollari a 0,12 dollari per mille token.
• Open AI è forte per le applicazioni multimodali con integrazione API, Mistral nella personalizzazione per le PMI.
• GPT-4o è più potente nei benchmark MMLU e HumanEval.
• Il consumo è imparagonabile. Mistral Small funziona con 450 W, GPT 4o con più di 10.000 W.

Claude

Claude e Mistral se la battono su efficienza e prestazioni:

• Costa 3 dollari ogni milione di token in input e 15 dollari in output.
• Claude offre applicazioni sicure per imprese con focus su moderazione e testo.
• Mistral ha il 90% delle prestazioni di Claude Sonnet 3.7 sul benchmark MMLU ma lo batte nello HumanEval.
• Claude consuma più di 10.000 W contro i 450 W di Mistral Small 3.1.

Gemini

Gemini e Mistral sono due AI piuttosto distanti:

• ma non hanno costi sempre diversi: la Medium cosa 0,40 dollari ogni milione di token mentre Gemini 1.5 Pro mette API che vanno da 0,35 a 1 dollaro per un milione di token. Può arrivare a costare il doppio, certo, ma anche uguale.
• Gemini è più adatto ad applicazioni cloud per ricerca e automazione nell’ecosistema Google.
• Mistral perde contro Gemini nel MMLU ma vince nello HumanEval.
• Anche Gemini – come Open AI e Claude – consuma più di 10.000 W contro i 450 W della Small.

Grok

L’intelligenza artificiale di Elon Musk fa fatica a competere con i modelli della startup francese:

• Certo, un milione di token costano 0,40 dollari su Medium 3 e 0,50 sulle API di Grok 3.
• Ma Grok è più adatto a risposte rapide e ricerche sul web per utenti generici, con un focus sulla “verità”, senza troppi limiti etici e politicizzazioni.
•  E Mistral batte Grok in tutte e due i benchmark citati finora.
• In più Grok 3 consuma quanto i big visti sopra, visto che funziona su cluster cloud.

DeepSeek

DeepSeek è ancora più economico e se la batte con Mistral anche se hanno utilizzi diversi:

• Infatti le API DeepSeek stanno a 0,14 dollari per milione di token contro gli 0,40 di Mistral.
• DeepSeek è più adatto alla programmazione e lo sviluppo di codici.
• Mistral batte DeepSeek su MMLU ma perde in HumanEval.
• DeepSeek consuma quasi il doppio di Mistral (circa 800W).

E com’è Mistral AI rispetto a Vitruvian?

Vitruvian-1 – per chi non lo conoscesse – è un modello italiano e proprietario. Rispetto agli altri modelli visti – incluso Mistral – è più di nicchia. Infatti è pensato per settori come medicina e legge, con un focus impeccabile sulla lingua italiana. Quindi è più esclusivo, ma meno flessibile; un po’ più costoso di Mistral, ma comunque economico anche a livello energetico.

Cosa potrebbe frenare Mistral

Mistral si pone come una rivoluzione, ma l’open-source può essere un’arma a doppio taglio.

Infatti chiunque può scaricare modelli da Hugging Face e usarli per i deepfake. Poi competere con i colossi non è una passeggiata. Essere efficienti fa risparmiare, ma rinunciare alle iscrizioni degli utenti ha comunque un costo salato, costringendo a tagliare su ricerca o sul marketing.

Finora, inoltre, Mistral ha condiviso dati solo su alcuni benchmark come MMLU e HumanEval. Per rendersi conto davvero delle sue capacità e della sua competitività forse servirebbero test più variegati e approfonditi.

Infine, specifichiamo che Mistral ha una partnership con Microsoft e Amazon. Cosa che (al di là delle intenzioni dichiarate accoratamente dal CEO nelle interviste) rischia di diluire la sua indipendenza europea. Che sia questa una speculazione o una previsione esatta, lo vedremo nel tempo.

Così come vedremo se l’efficienza e la sovranità digitale sono attuabili, veramente sostenibili e convenienti.